Pandas 时间序列数据帧中的逻辑元素操作

我有一个带有时间戳datetime索引和对应于每个日期的值的熊猫数据帧。例如，

df=pd.DataFrame（['0.11'，'0.07'，'0.04'，'-0.11'，'-0.04'，'0.08'，'0.1']，索引=['2017-01-01'，'2017-01-02'，'2017-01-03'，'2017-01-04'，'2017-01-05'，'2017-01-06'，'2017-01-07']，列=['values']）

我想根据上述数据框的当前值和历史值创建一个附加列（我们称之为

'new_value'

）

逻辑应该是：

如果值大于或等于0.1，则应设置“新值” 到-1

一旦“new_value”设置为-1，它应保持为-1，直到出现一个值 小于或等于0.05是注册的

如果值小于或等于-0.1，则应设置“新值” 到+1

一旦“new_value”设置为+1，它应该保持+1直到一个值 大于或等于-0.05是注册的

否则，“新_值”等于0

我尝试了多种解决方案，但似乎无法解决这个问题。例如：

new_frame = pd.DataFrame(np.zeros(len(df.index),index=df.index,columns=['new_value'])
for date in df.index:
    if df['value'][date.strftime('%Y-%m-%d')] > 0.1:
        new_frame.set_value(date.strftime("%Y-%m-%d"),'new_value',-1)

但是我收到了错误：

'ValueError：序列的真值是不明确的。使用a.empty、a.bool（）、a.item（）、a.any（）或a.all（）。

如果我将第三行更改为：

if df['value'][date.strftime('%Y-%m-%d').item() > 0.1:

我收到错误：

“ValueError:只能将大小为1的数组转换为Python标量”

它的工作原理

• 只需要获得一系列浮点数，将其命名为

  s

• 设置左侧断点

  al

• 设置左侧映射值

  bl

• 设置右侧断点

  ar

• 设置右侧映射值

  br

• searchsorted

  将查找值应放在前面的索引
• 使用

  searchsorted

  中的索引识别映射值
• 在查找右侧值时，我使用

  side='right'

• 再次映射值
• 添加左侧和右侧结果

  nan

  +值将为

  nan

• ffill

  向前传播值

---

设置
假设OP给出的数据帧

df

---

这是一个很好的答案，谢谢。就建立我的理解而言，有人能解释为什么我最初的方法不起作用吗？@Panda_User see如果有帮助的话，请随意投票：-）@Panda_User我知道你在最初阶段就被卡住了。。。是的，我给你的是矢量化的解决方案。你正在走使用循环的道路。现在你不必了。许多人在执行循环时会陷入将序列作为布尔值进行计算的陷阱。

s = df['values'].astype(float)
al = np.array([-.1, -.05])
bl = np.array([1, np.nan, 0])
ar = np.array([.05, .1])
br = np.array([0, np.nan, -1])
l = bl[al.searchsorted(s.values)]
r = br[ar.searchsorted(s.values, side='right')]

df.assign(new_values=pd.Series(l + r, s.index).ffill())

           values  new_values
2017-01-01   0.11        -1.0
2017-01-02   0.07        -1.0
2017-01-03   0.04         0.0
2017-01-04  -0.11         1.0
2017-01-05  -0.04         0.0
2017-01-06   0.08         0.0
2017-01-07    0.1        -1.0

df = pd.DataFrame(
    ['0.11', '0.07', '0.04', '-0.11',
     '-0.04', '0.08', '0.1'],
    ['2017-01-01', '2017-01-02',
     '2017-01-03', '2017-01-04',
     '2017-01-05', '2017-01-06',
     '2017-01-07'],
    ['values']
)

           values
2017-01-01   0.11
2017-01-02   0.07
2017-01-03   0.04
2017-01-04  -0.11
2017-01-05  -0.04
2017-01-06   0.08
2017-01-07    0.1